Decision-making for Postoperative Care in Geriatric Patients Undergoing Minor Surgeries using Mini Mental State Examination, Barthel Index of Activities of Daily Living and CSHA-Clinical Frailty Scale
Notice bibliographique
Résumé
Purpose: The prediction of postoperative outcome following major surgeries in elderly patients requires a decision-making process, which was suggested to be constructed on data pertaining to the cognitive function, functional status and frailty. We aimed to evaluate their predictive value for minor surgeries. Material and Methods: Patients, ≥65 years of age with ASA 1-3, scheduled for elective minor surgeries between January-June 2019 were enrolled. MMSE, Barthel Index (BI) of ADL and CSHA-CFS were used to evaluate the cognitive function, functional status and frailty on admission, respectively. The MMSE cut-off point was 24 and the frailty cut-off point was 4. The relationships of these parameters with postoperative status either as outpatient or inpatient, PACU stay, LOS in hospital and readmission within 30 days were evaluated. Results: Ninety-nine patients were included. The MMSE scores, BIs and CSHA-CFS scores were similar in all groups. The number of inpatients were higher among patients either with MMSE 2 (n=20 (83.3%)) (p=0.023). The patients with ASA>2 had higher probability of length of stay >1 day (p=0.036) and for PACU stay (p=0.042) irrespective of frailty score. There was no correlation with readmission within 30 days. Conclusion: ASA>2 was correlated with inpatient status when associated with MMSE1 day in the elderly after minor surgeries. CSHA-CFS ≥4 was also correlated with inpatient status independently.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».